TVM 最新发布版本 0.3 有哪些亮点？ 第1页
1
crowowrk 网友的相关建议:
TVM ARM CPU/GPU的性能一直不错，有兴趣的同学可以看arxiv的论文。本次更新的内容可以直接看release note https://github.com/dmlc/tvm/releases/tag/v0.3
本次更新的第一个重点在于TOPI开始引入对于物体检测(SSD, YOLO) 等的支持，这个是深度学习编译跨向更多应用实用化的一步。
另一个比较有趣的是RPC tracker。TVM的设计理念是不光是授人以鱼（高性能算子），更包含了授人以渔（自动生成，调优部署高性能算子的编译平台）。其中自动调优里面一个非常头疼的的问题是移动设备（手机，板子）怎么样自动优化。传统的做法编译部署和调优都需要手工来做，没有办法自动化起来。TVM的RPC接口基本解决了这个问题，可以直接在python端对于远程的手机和板子进行调优。新版的RPC tracker从支持一个板子直接升级到了一个集群，也就是可以通过本机python脚本直接连接到一堆板子去做自动调优。
最后，对于深度学习和区块链有兴趣的同学可以自行寻找一下亮点。
关于tvm的其它介绍可以关注专栏 tvm
1
相关话题
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？2017年1月18日Facebook发行的PyTorch相比TensorFlow、MXNet有何优势？
如何评价AlphaGo Zero？
为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？
在做算法工程师的道路上，你掌握了什么概念或技术使你感觉自我提升突飞猛进？
为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？
DL框架的未来发展，TensorFlow/MXNet/PyTorch, 选哪个？
在实际工程系统中，MPC太复杂，难以做到realtime。因此都利用数据，MPC对比RL还有优势么?
为什么读论文最好打印出来读？
在文本分类任务中，有哪些论文中很少提及却对性能有重要影响的tricks？
相关的话题
NIPS 2018 有什么值得关注的亮点？GAN（对抗生成网络）可以被用于哪些（商业或潜在商业）实际问题？
Batch normalization和Instance normalization的对比？
神经网络为什么可以（理论上）拟合任何函数？
大家用resnet50在imagenet上面top1最高能到多少？
数字图像处理的工作是用传统算法更多还是用深度学习更多?
为什么说深度学习没有理论基础?
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
对自己深度学习方向的论文有idea，可是工程实践能力跟不上，实验搞不定怎么办？
对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
为什么小模型已经可以很好地拟合数据集了，换大模型效果却要比小模型好？
如何看待Geoffrey Hinton的言论，深度学习要另起炉灶，彻底抛弃反向传播？
有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？
如何看待Transformer在CV上的应用前景，未来有可能替代CNN吗？
如何看待在某度搜不到megengine官网？
AlphaGo「理解」围棋吗？
如何看待 Nervana 被 Intel 收购？
如何激怒一位人工智能（机器学习、深度学习、强化学习等）爱好者？
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
神经网络训练多个epoch，写论文的时候可以取最好的效果那一个epoch作为结果吗？
如何评价 Kaiming 团队新作 Masked Autoencoders (MAE)？
贝叶斯深度学习是什么，和传统神经网络有何不同？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
如何评价小米开源的移动端深度学习框架MACE？
如何评价 马毅教授 的 NeurIPS 2020 中稿文章 MCR2 及 自称弄明白深度学习了？
领域自适应需要用到测试集数据，这样的方法有啥意义呢？
人工智能退潮期来了吗？
你遇见过什么当时很有潜力但是最终没有流行的深度学习算法?
机器学习自嘲的炼丹和化学材料自嘲的炒菜有什么本质上的区别？
为什么有的论文放出训练好的模型和测试脚本，但不开源训练代码？